[解析謠言] 台灣的黑糖究竟能不能吃？－丙烯醯胺

本文與 研華科技 合作，泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言，總能牽動整個 AI 產業的神經。然而，我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線，那如果哪天「網路斷了」，會發生什麼事？

想像你正在自駕車打個盹，系統突然警示：「網路連線中斷」，車輛開始偏離路線，而前方竟是萬丈深谷。又或者家庭機器人被駭，開始暴走跳舞，甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎？當然不是！也因為如此，「邊緣 AI」成為業界關注重點。不靠雲端，AI 就能在現場即時反應，不只更安全、低延遲，還能讓數據當場變現，不再淪為沉沒成本。

什麼是邊緣 AI ？

邊緣 AI，乍聽之下，好像是「孤單站在角落的人工智慧」，但事實上，它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前，像是企業、醫院、學校內部的伺服器，個人電腦，甚至手機等裝置，都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算，稱為邊緣運算；而在邊緣節點上運行 AI ，就被稱為邊緣 AI。簡單來說，就是將原本集中在遠端資料中心的運算能力，「搬家」到更靠近數據源頭的地方。

那麼，為什麼需要這樣做？資料放在雲端，集中管理不是更方便嗎？對，就是不好。

第一個不好是物理限制：「延遲」。
即使光速已經非常快，數據從你家旁邊的路口傳到幾千公里外的雲端機房，再把分析結果傳回來，中間還要經過各種網路節點轉來轉去…這樣一來一回，就算只是幾十毫秒的延遲，對於需要「即刻反應」的 AI 應用，比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時，每一毫秒都攸關安全與精度，這點延遲都是無法接受的！這是物理距離與網路架構先天上的限制，無法繞過去。

第二個挑戰，是資訊科學跟工程上的考量：「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送，湧入的資料數據量就像超級大的水流，一下子就把水管塞爆！要避免流量爆炸，你就要一直擴充水管，也就是擴增頻寬，然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理，把重要資訊「濃縮」過後再傳回雲端，是不是就能減輕頻寬負擔，也能節省大量費用呢？

第三個挑戰：系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時，一旦網路不穩、甚至斷線，那怎麼辦？很多關鍵應用，像是公共安全監控或是重要設備的預警系統，可不能這樣「看天吃飯」啊！邊緣處理讓系統更獨立，就算暫時斷線，本地的 AI 還是能繼續運作與即時反應，這在工程上是非常重要的考量。

所以你看，邊緣運算不是科學家們沒事找事做，它是順應數據特性和實際應用需求，一個非常合理的科學與工程上的最佳化選擇，是我們想要抓住即時數據價值，非走不可的一條路！

邊緣 AI 的實戰魅力：從工廠到倉儲，再到你的工作桌

知道要把 AI 算力搬到邊緣了，接下來的問題就是─邊緣 AI 究竟強在哪裡呢？它強就強在能夠做到「深度感知（Deep Perception）」！

所謂深度感知，並非僅僅是對數據進行簡單的加加減減，而是透過如深度神經網路這類複雜的 AI 模型，從原始數據裡面，去「理解」出更高層次、更具意義的資訊。

以研華科技為例，旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例，利用物件偵測模型，快速將工業產品中的瑕疵挑出來，而且由於 AI 模型可以使用同一套參數去檢測，因此品管上能達到一致性，減少人為疏漏。尤其在高產能工廠中，檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品，替工廠節省大量人力，同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

此外，在智慧倉儲場域，研華與威剛合作，研華與威剛聯手合作，在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台，打造倉儲系統的 AMR（Autonomous Mobile Robot） 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣，AMR 不需要事先規劃好路線，靠著感測器偵測，就能輕鬆避開障礙物，識別路線，並且將貨物載到指定地點存放。

當然，還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning )，除了可以做備忘錄跟排程規劃以外，還能將實務上碰到的問題記錄下來，等到之後碰到類似的問題時，就能詢問 AI 並得到解答。

你或許會問，那為什麼不直接使用 ChatGPT 就好了？其實，對許多企業來說，內部資料往往具有高度機密性與商業價值，有些場域甚至連手機都禁止員工帶入，自然無法將資料上傳雲端。對於重視資安，又希望運用 AI 提升效率的企業與工廠而言，自行部署大型語言模型（self-hosted LLM）才是理想選擇。而這樣的應用，並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器，體積僅如後背包大小，卻能輕鬆支援語言模型的運作，實現高效又安全的 AI 解決方案。

但問題也接著浮現：要在這麼小的設備上跑大型 AI 模型，會不會太吃資源？這正是目前 AI 領域最前沿、最火熱的研究方向之一：如何幫 AI 模型進行「科學瘦身」，又不減智慧。接下來，我們就來看看科學家是怎麼幫 AI 減重的。

語言模型瘦身術之一：量化（Quantization）—用更精簡的數位方式來表示知識

當硬體資源有限，大模型卻越來越龐大，「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像：有些畫面細節我們肉眼根本看不出來，刪掉也不影響整體感覺，卻能大幅減少檔案大小。

模型量化的原理也是如此，只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示，什麼是浮點數？其實就是你我都熟知的小數。舉例來說，圓周率是個無窮不循環小數，唸下去就會是3.141592653…但實際運算時，我們常常用 3.14 或甚至直接用 3，也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思！ 

然而，量化並不是那麼容易的事情。而且實際上，降低精度多少還是會影響到模型表現的。因此在設計時，工程師會精密調整，確保效能在可接受範圍內，達成「瘦身不減智」的目標。

模型剪枝（Model Pruning）—基於重要性的結構精簡

建立一個 AI 模型，其實就是在搭建一整套類神經網路系統，並訓練類神經元中彼此關聯的參數。然而，在這麼多參數中，總會有一些參數明明佔了一個位置，卻對整體模型沒有貢獻。既然如此，不如果斷將這些「冗餘」移除。

這就像種植作物的時候，總會雜草叢生，但這些雜草並不是我們想要的作物，這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在，而動手去清理這些不需要的連結參數或神經元的技術，就稱為 AI 模型的模型剪枝（Model Pruning）。

模型剪枝的效果，大概能把100變成70這樣的程度，說多也不是太多。雖然這樣的縮減對於提升效率已具幫助，但若我們要的是一個更小幾個數量級的模型，僅靠剪枝仍不足以應對。最後還是需要從源頭著手，採取更治本的方法：一開始就打造一個很小的模型，並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」，是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾（Knowledge Distillation）—讓小模型學習大師的「精髓」

想像一下，一位經驗豐富、見多識廣的老師傅，就是那個龐大而強悍的 AI 模型。現在，他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案，老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」，例如「為什麼我會這樣想？」、「其他選項的可能性有多少？」。這樣一來，小小的學徒模型，用它有限的「腦容量」，也能學到老師傅的「智慧精髓」，表現就能大幅提升！這是一種很高級的訓練技巧，跟遷移學習有關。

舉個例子，當大型語言模型在收到「晚餐：鳳梨」這組輸入時，它下一個會接的詞語跟機率分別為「炒飯：50%，蝦球：30%，披薩：15%，汁：5%」。在知識蒸餾的過程中，它可以把這套機率表一起教給小語言模型，讓小語言模型不必透過自己訓練，也能輕鬆得到這個推理過程。如今，許多高效的小型語言模型正是透過這項技術訓練而成，讓我們得以在資源有限的邊緣設備上，也能部署愈來愈強大的小模型 AI。

但是！即使模型經過了這些科學方法的優化，變得比較「苗條」了，要真正在邊緣環境中處理如潮水般湧現的資料，並且高速、即時、穩定地運作，仍然需要一個夠強的「引擎」來驅動它們。也就是說，要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型，真正放到邊緣的現場去發揮作用，就需要一個強大的「硬體平台」來承載。

邊緣 AI 的強心臟：SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器，就是扮演「邊緣 AI 引擎」的關鍵角色！那麼，它到底厲害在哪？

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要？因為 GPU 的設計，天生就擅長做「平行計算」，這正好就是 AI 模型裡面那種海量數學運算最需要的！

你想想看，那麼多數據要同時處理，就像要請一大堆人同時算數學一樣，GPU 就是那個最有效率的工具人！而且，有多張 GPU，代表可以同時跑更多不同的 AI 任務，或者處理更大流量的數據。這是確保那些科學研究成果，在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎！

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房，有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計，體積相對緊湊，散熱空間也比較好（這對高功耗的 GPU 很重要！），部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算，進行「工程化」，讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格，背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場，系統穩定壓倒一切！你總不希望 AI 分析跑到一半就掛掉吧？這些設計確保了部署在現場的 AI 系統，能夠長時間、穩定地運作，把實驗室裡的科學成果，可靠地轉化成實際的應用價值。

台灣製造 × 在地智慧：打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能，能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署，及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析，還是其他 AI 相關的服務，都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務，讓企業在啟動 AI 專案前，大幅降低前期投入門檻，靈活又實用。

台灣有著獨特的產業結構，從精密製造、城市交通管理，到因應高齡化社會的智慧醫療與公共安全，都是邊緣 AI 的理想應用場域。更重要的是，這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示，這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果，往往已經錯失最佳反應時機。這也是為什麼邊緣 AI，不只是一項技術創新，更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場，就能被有效的「理解」與「利用」，是將數據垃圾變成數據黃金的賢者之石！

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

本文由 交通部中央氣象署 委託，泛科學企劃執行。

• 文／陳儀珈

災害性大地震在臺灣留下無數淚水和難以抹滅的傷痕，921 大地震甚至直接奪走了 2,400 人的生命。既有這等末日級的災難記憶，又位處於板塊交界處的地震帶，「大地震！」三個字，總是能挑動臺灣人最脆弱又敏感的神經。

因此，當我們發現臺灣被各式各樣的地震傳說壟罩，像是地震魚、地震雲、蚯蚓警兆、下雨地震說，甚至民間地震預測達人，似乎也是合情合理的現象？

今日，我們就要來破解這些常見的地震預測謠言。

漁民捕獲罕見的深海皇帶魚，恐有大地震？

說到在坊間訛傳的地震謠言，許多人第一個想到的，可能是盛行於日本、臺灣的「地震魚」傳說。

在亞熱帶海域中，漁民將「皇帶魚」暱稱為地震魚，由於皇帶魚身型較為扁平，生活於深海中，魚形特殊且捕獲量稀少，因此流傳著，是因為海底的地形改變，才驚擾了棲息在深海的皇帶魚，並因此游上淺水讓人們得以看見。

因此，民間盛傳，若漁民捕撈到這種極為稀罕的深海魚類，就是大型地震即將發生的警兆。

然而，日本科學家認真蒐集了目擊深海魚類的相關新聞和學術報告，他們想知道，這種看似異常的動物行為，究竟有沒有機會拿來當作災前的預警，抑或只是無稽之談？

可惜的是，科學家認為，地震魚與地震並沒有明顯的關聯。當日本媒體報導捕撈深海魚的 10 天內，均沒有發生規模大於 6 的地震，規模 7 的地震前後，甚至完全沒有深海魚出現的紀錄！

所以，在科學家眼中，地震魚僅僅是一種流傳於民間的「迷信」（superstition）。

透過動物來推斷地震消息的風俗並不新穎，美國地質調查局（USGS）指出，早在西元前 373 年的古希臘，就有透過動物異常行為來猜測地震的紀錄！

人們普遍認為，比起遲鈍的人類，敏感的動物可以偵測到更多來自大自然的訊號，因此在大地震來臨前，會「舉家遷徙」逃離原本的棲息地。

當臺灣 1999 年發生集集大地震前後，由於部分地區出現了大量蚯蚓，因此，臺灣也盛傳著「蚯蚓」是地震警訊的說法。

新聞年年報的「蚯蚓」上街，真的是地震警訊嗎？

​當街道上出現一大群蚯蚓時，密密麻麻的畫面，不只讓人嚇一跳，也往往讓人感到困惑：為何牠們接連地湧向地表？難道，這真的是動物們在向我們預警天災嗎？動物們看似不尋常的行為，總是能引發人們的好奇與不安情緒。

如此怵目驚心的畫面，也經常成為新聞界的熱門素材，每年幾乎都會看到類似的標題：「蚯蚓大軍又出沒 網友憂：要地震了嗎」，甚至直接將蚯蚓與剛發生的地震連結起來，發布成快訊「昨突竄大量蚯蚓！台東今早地牛翻身…最大震度4級」，讓人留下蚯蚓預言成功的錯覺。

然而，這些蚯蚓大軍，真的與即將來臨的天災有直接關聯嗎？

蚯蚓與地震有關的傳聞，被學者認為起源於 1999 年的 921 大地震後，在此前，臺灣少有流傳地震與蚯蚓之間的相關報導。

雖然曾有日本學者研究模擬出，與地震相關的電流有機會刺激蚯蚓離開洞穴，但在現實環境中，有太多因素都會影響蚯蚓的行為了，而造成蚯蚓大軍浮現地表的原因，往往都是氣象因素，像是溫度、濕度、日照時間、氣壓等等，都可能促使蚯蚓爬出地表。

大家不妨觀察看看，白日蚯蚓大軍的新聞，比較常出現在天氣剛轉涼的秋季。

因此，下次若再看到蚯蚓大軍湧現地表的現象，請先別慌張呀！

事實上，除了地震魚和蚯蚓外，鳥類、老鼠、黃鼠狼、蛇、蜈蚣、昆蟲、貓咪到我們最熟悉的小狗，都曾經被流傳為地震預測的動物專家。

但可惜的是，會影響動物行為的因素實在是太多了，科學家仍然沒有找到動物異常行為和地震之間的關聯或機制。

遍地開花的地震預測粉專和社團

這座每天發生超過 100 次地震的小島上，擁有破萬成員的地震討論臉書社團、隨處可見的地震預測粉專或 IG 帳號，似乎並不奇怪。

國內有許多「憂國憂民」的神通大師，這些號稱能夠預測地震的奇妙人士，有些人會用身體感應，有人熱愛分析雲層畫面，有的人甚至號稱自行建製科學儀器，購買到比氣象署更精密的機械，偵測到更準確的地震。

然而，若認真想一想就會發現，臺灣地震頻率極高，約 2 天多就會發生 1 次規模 4.0 至 5.0 的地震， 2 星期多就可能出現一次規模 5.0 至 6.0 的地震，若是有心想要捏造地震預言，真的不難。 

在學界，一個真正的地震預測必須包含地震三要素：明確的時間、 地點和規模，預測結果也必須來自學界認可的觀測資料。然而這些坊間貼文的預測資訊不僅空泛，也並未交代統計數據或訊號來源。

作為閱聽者，看到如此毫無科學根據的預測言論，請先冷靜下來，不要留言也不要分享，不妨先上網搜尋相關資料和事實查核。切勿輕信，更不要隨意散播，以免造成社會大眾的不安。

此外，大家也千萬不要隨意發表地震預測、觀測的資訊，若號稱有科學根據或使用相關資料，不僅違反氣象法，也有違反社會秩序之相關法令之虞唷！

​地震預測行不行？還差得遠呢！

由於地底的環境太過複雜未知，即使科學家們已經致力於研究地震前兆和地震之間的關聯，目前地球科學界，仍然無法發展出成熟的地震預測技術。

與其奢望能提前 3 天知道地震的預告，不如日常就做好各種地震災害的防範，購買符合防震規範的家宅、固定好家具，做好防震防災演練。在國家級警報響起來時，熟練地執行避震保命三步驟「趴下、掩護、穩住」，才是身為臺灣人最關鍵的保命之策。

延伸閱讀

• 廖光正，李明進（2002）。集集大地震後蚯蚓大量爬出現象之解析。特有生物研究，4（1），41－51。https://bit.ly/3zF8OD8
• 離人心上秋意濃，清晨地上蚯蚓多：為何秋天經常有大量蚯蚓出沒？跟地震有關嗎？
  http://bit.ly/3DYNMSG
• Orihara, Y., Kamogawa, M., Noda, Y., & Nagao, T. (2019). Is Japanese folklore concerning deep‐sea fish appearance a real precursor of earthquakes?. Bulletin of the Seismological Society of America, 109(4), 1556-1562.
  https://pubs.geoscienceworld.org/ssa/bssa/article-abstract/109/4/1556/571628/Is-Japanese-Folklore-Concerning-Deep-Sea-Fish

• 本文與台灣事實查核中心合作，內文經泛科學改寫。
• 完整文章請見：【錯誤】網傳照片「爬大坑 9 號步道請小心，泰國眼鏡蛇毒液很強」、媒體報導「台中大坑有外來種泰國眼鏡蛇咬傷民眾」？
• IG貼文請見：網傳照片：台中大坑有泰國眼鏡蛇？經查，這是台灣本土的眼鏡蛇
• 資料更新至 2021 年 11 月 24 日

報告更新

一、專家表示，網傳照片與媒體報導畫面的蛇，是台灣本土的舟山眼鏡蛇，並不是泰國眼鏡蛇或其它外來種眼鏡蛇。

二、醫師指出，對於媒體報導的案例，是以症狀去反推蛇種，且研判是遭台灣本土眼鏡蛇咬傷的機率較高，並非「經血液測試，研判可能是泰國的眼鏡蛇」。

三、專家指出，目前尚未在野外發現外來種眼鏡蛇，且「台灣的野外有外來種眼鏡蛇被放生」之說法並不合理。

綜合以上，傳言搭配照片宣稱「爬大坑 9 號步道請小心，泰國眼鏡蛇毒液很強」、媒體報導「台中大坑有外來種泰國眼鏡蛇咬傷民眾」，為「錯誤」訊息。

報導怎麼說？

2021 年 11 月間，通訊群組流傳一則訊息，宣稱「爬大坑 9 號步道請小心，泰國眼鏡蛇毒液很強」。

另有多家媒體報導「台中大坑有外來種泰國眼鏡蛇咬傷民眾」，搭配影像稱：「這是泰國眼鏡蛇，屬於外來種，毒性非常強，有山友日前在潭子新田步道拍攝到，想不到大坑九號步道也出現了相同毒蛇，當地里長懷疑是宗教團體質疑放生。」

也有報導指出，「有民眾月初在大坑九號步道遭到蛇吻，血液檢測研判是被外來種泰國眼鏡蛇咬傷，毒性比本土高出好幾倍。有民眾提供影片，不只在大坑，潭子新田步道也有，泰國眼鏡蛇豎起有五十公分高，還作勢要攻擊，但怎麼會有外來種呢？山區的居民抱怨是任意放生惹禍」；「有民眾他去最親民的九號步道，結果被毒蛇咬傷，經過了兩次的手術跟五次清創才保住性命，醫院後來進行了血液檢測，發現應該是外來種泰國的眼鏡蛇」等。

查核結果

爭議點一、傳言與報導中的照片與影片，是否為「泰國眼鏡蛇」？

（一）查核中心經過以圖反搜，找到網友在 10 月 29 日發布於社群平台上的貼文，所附的影片與照片，與網傳照片、媒體報導之影片為同一事件。上述貼文指出，這是山友在 10 月底，於潭子新田 1 號步道發現的眼鏡蛇。

（二）查核中心採訪宜蘭大學森林暨自然資源學系教授毛俊傑、臺中市野生動物保育學會救援人員林文隆，兩位專家協助檢視網傳照片與影片後，均表示這是台灣本土的舟山眼鏡蛇（Naja atra，又名中華眼鏡蛇），並不是外來種眼鏡蛇。

爭議點二、醫院血檢研判，咬人的蛇可能是泰國眼鏡蛇？

查核中心檢視相關報導，事件中的受傷民眾，是送到中國醫藥大學附設醫院醫治。

查核中心採訪中國醫藥大學附設醫院毒物科主任洪東榮，洪東榮表示，此次媒體報導遭蛇咬的民眾，醫院判斷是外來種眼鏡蛇咬傷的機率很低，應是遭台灣本土眼鏡蛇咬傷的機率較高。

洪東榮說明，這次事件中的民眾，局部傷口嚴重，蛇毒濃度高，但沒有肌肉無力、眼皮下垂、呼吸衰竭等神經症狀，由此看來，應該是遭台灣的眼鏡蛇咬傷的可能性較大。

洪東榮解釋，雖然坊間常說台灣本土的眼鏡蛇有神經毒，但其實本土眼鏡蛇在臨床上很少造成神經症狀，即使局部傷口嚴重潰爛的個案也少有神經症狀。來自東亞或其它地區的外來種眼鏡蛇，則會造成明顯神經症狀。

洪東榮補充說明，遇到蛇咬傷的病患，是以症狀去反推蛇種。「用血液中的蛇毒證明是不是外來種」並不容易，因為各地眼鏡蛇的的蛇毒雖有不同，但無法當作鑑種指標，就算去驗病人傷口的組織液蛋白質，也難確認是不是外來種。

綜合以上，對於媒體報導的案例，醫生表示，是以症狀去反推蛇種，並非透過血液檢測，且研判是遭台灣本土眼鏡蛇咬傷的機率較高。

爭議點三、媒體與傳言稱「疑外來種眼鏡蛇遭放生」，專家如何解讀？

（一）毛俊傑說，「台灣野外有國外來的外來種眼鏡蛇被宗教團體放生」的說法，是令相關學者不勝其擾的傳言。過往此類傳言中，最常被指稱的是「眼鏡王蛇」，但眼鏡王蛇其實不是眼鏡蛇，且眼鏡王蛇是以蛇類為主食，偶爾捕食巨蜥，成體體重約為 8 至 16 公斤，據文獻上資料推估，眼鏡王蛇每次捕食的食量約為自身體重的二到四成，也就是一隻 8 公斤重的眼鏡王蛇，一週至少要吃 1.6 到 3.2 公斤左右的蛇或巨蜥，但台灣的生態系根本無法提供像這樣的物種，在野外基本生存的條件。

至於這次媒體報導提到的「泰國眼鏡蛇」，毛俊傑表示，並不確定其所指的是暹羅眼鏡蛇（Naja siamensis）還是孟加拉眼鏡蛇（Naja kaouthia，又名單眼紋眼鏡蛇），不過至少目前他在野外看到的眼鏡蛇，都是本土的眼鏡蛇，偶爾看到型態花紋比較特異的，進一步確認後，也都還是台灣本土的眼鏡蛇。

毛俊傑補充，很多民眾看到立起來、脹脖子的蛇，就以為是眼鏡蛇，但其實很多類群的蛇都會這麼做，例如台灣的史丹吉氏斜鱗蛇（Pseudoxenodon stejnegeri）即是其中之一。

（二）林文隆表示，以台中市的野生動物救援、捕捉流程來說，所有委外廠商抓到蛇，都會交由農業局去做專業檢核，目前沒有發現外來種眼鏡蛇的個案，例如 2020 年處理的蛇類案件有四千多件，2021 年目前有三千多件，其中眼鏡蛇佔了 22% 左右，全部都是台灣本土的眼鏡蛇。

林文隆說明，關於坊間流傳「外來種眼鏡蛇被放生」的說法，不僅沒有證據支持，還有諸多違反常理之處。首先，坊間流傳的「外來種眼鏡蛇」包括金剛眼鏡蛇、泰國眼鏡蛇等，這些都是受 CITES（瀕危野生動植物國際貿易公約，又稱為華盛頓公約）保護的物種，限制貿易，就算走私賣進來，單價會很高，且量也不大，既然量不大，在野外遇到的可能性就不高。

第二，坊間流傳的故事中，常描述放生團體「用倒的」，如果使用麻布袋裝置眼鏡蛇，以台灣眼鏡蛇的體積與市面上的麻布袋大小來說，一袋能裝 40 隻蛇，但底部的蛇很有可能被壓死，被倒出的蛇屍應會成為證據，大量留在現場；若是以蛇籠裝置，則無法用傾倒的方式將蛇倒出來，而需要用手將蛇抓出。

綜合以上，專家指出，目前尚未在野外發現外來種眼鏡蛇，且「台灣的野外有外來種眼鏡蛇被放生」之說法並不合理。

結論：大坑有「泰國眼鏡蛇」為錯誤訊息

【報告將隨時更新 2021/11/24版】

一、專家表示，網傳照片與媒體報導畫面的蛇，是台灣本土的舟山眼鏡蛇，並不是泰國眼鏡蛇或其它外來種眼鏡蛇。

二、醫師指出，對於媒體報導的案例，是以症狀去反推蛇種，且研判是遭台灣本土眼鏡蛇咬傷的機率較高，並非「經血液測試，研判可能是泰國的眼鏡蛇」。

三、專家指出，目前尚未在野外發現外來種眼鏡蛇，且「台灣的野外有外來種眼鏡蛇被放生」之說法並不合理。

綜合以上，傳言搭配照片宣稱「爬大坑 9 號步道請小心，泰國眼鏡蛇毒液很強」、媒體報導「台中大坑有外來種泰國眼鏡蛇咬傷民眾」，為「錯誤」訊息。

補充資料

一、民眾在野外遇到蛇，如何自我保護？

（一）林文隆表示，首先要請民眾注意腳邊、提高警覺。第二是穿著合適的衣著，包括長褲與合適的鞋子。第三，一般民眾去爬山都是在白天，白天會遇到的蛇，通常就是眼鏡蛇，而眼鏡蛇要經人逗弄才會立起來示警，若是民眾定點不動，蛇主動攻擊人的機率極低，若民眾轉身離開，蛇也不會主動追擊，因此遇到眼鏡蛇，請勿逗弄，並保持距離。

林文隆補充，蛇攻擊人的距離，大約是其體長的三分之一，民眾可利用登山杖或可取得的樹棍，與蛇保持一個登山杖的安全距離。

（二）毛俊傑說明，民眾在野外活動，在草長或視界不佳的活動環境，可利用手杖或登山棍適度的「打草驚蛇」，一般當蛇感覺到有威脅時，多半會盡快會離去。唯獨眼鏡蛇的行為比較明顯一點，如果被驚嚇到，很容易立起來，這是一種防禦、警示的行為，是虛張聲勢也是提醒，不是攻擊，此時民眾繞開即可，眼鏡蛇並不會追上前來攻擊。

毛俊傑進一步說明，以網傳影片中的眼鏡蛇來說，雖然牠頭部晃動，但仔細看牠的身體，其實它是有一個固定的支點，也就是說牠只是定在原地晃動頭部並發出噴氣聲，來威嚇對牠可能產生威脅的人，並不是真的要攻擊、追人。

二、民眾在野外遭蛇咬傷，應如何處置？

洪東榮表示，在野外被蛇咬，第一步是保持冷靜、不要慌亂，如果看得到蛇，就看清楚蛇的花色，如果來得及，可先拍照。第二步儘量休息、不亂動，如果咬到的部位是手，應將手垂下，不要讓患部比心臟高，如果被咬到的是腳，應坐著休息，不要亂走。第三步是請打 119，並在原地等人來救援。

洪東榮說，台灣常見的六種毒蛇中，較容易造成嚴重危害的是雨傘節，被雨傘節咬會有呼吸衰竭的症狀，需要儘速給氧，在野外比較難進一步急救，但如果沒有亂動，可爭取到一些急救時間，也能儘量降低蛇毒帶來的傷害。

日前某雜誌召開了記者會，聳動地說他們在黑糖裡發現了致癌物－「丙烯醯胺（acrylamide）」，彷彿是正義的媒體揭曉了無能的政府作為。等等！這究竟是國際級的大發現，還是謠言呢？

從北歐的母牛跌倒開始說起

丙烯醯胺的故事要從1997年的瑞典說起，當時農夫發現母牛們站不穩，附近的魚隻也奇異地死亡。各種不尋常的跡象促使瑞典政府派遣科學家研究。後來發現當地附近的隧道工程，使用了「聚丙烯醯胺」做為防水劑，使得有神經毒性的「丙烯醯胺」汙染土地，最後農民只好銷毀受到汙染的牲畜和作物。

但故事並沒有結束，後續的科學家發現，日常的飲食中也會無意地吃到丙烯醯胺，因此各國開始投入大量的研究，希望盡速了解食物中的丙烯醯胺，到底危不危險。

所以危不危險？

直接看各國對食品中的丙烯醯胺濃度的規定

簡單來說，沒有證據顯示食品中的丙烯醯胺，和人類的疾病有任何的關係。

為什麼聽起來這麼可怕？

因為科學家曾拿丙烯醯胺餵老鼠吃，結果發現能在「老鼠」身上引發疾病，但在人類的臨床研究卻沒有證據顯示它和疾病有關係。例如2003年瑞典和美國的聯合研究，追蹤了近一千名的大腸癌、膀胱和腎癌患者，結論是丙烯醯胺和這三種癌症沒有關係。而2005年美國、瑞典和挪威的跨國報告，更追蹤了近九千名乳癌患者，結論同樣是兩者之間沒有關聯。

黑糖裡的丙烯醯胺上千ppbㄟ，真的沒關係嗎？

這就是媒體的數字恐嚇囉！

給個聽起來就很嚴重的濃度數字，加上丙烯醯胺聽起來既陌生又令人困惑，很自然的我們就會覺得丙烯醯胺有如世紀劇毒一般，事實上心理害怕的對身體的傷害，恐怕還比丙烯醯胺嚴重多了。

而媒體所選用的文獻《食品化學毒物學期刊（Food and Chemical Toxicology）,48 (2010) 658–667》，該研究是用數學模型整理以往的動物實驗數據進行運算研究，並沒有實際做了人體試驗。且該文獻本文的最後一段也敘述，依照目前的飲食習慣，食品中的丙烯醯胺應該不會造成神經或腫瘤上的影響。

寫在文末

丙烯醯胺並不是新面孔，數十年前就在北歐和美國進行人體試驗的調查，最後的結論都是沒有發現丙烯醯胺和疾病之間有明顯的關聯性。也因此美國、歐洲和台灣都不針對食品裡的丙烯醯胺作出規範。而台灣的國家環境毒物研究中心也在近年發布了中文的研究報告，結論也是「對動物有害，但找不出和人類的疾病有明顯的關係」。

也許爆料的媒體本意良善，認為丙烯醯胺在動物上會引起腫瘤，主管機關就必須要立法管制。但動物的反應和人類本來就不盡相同，動物實驗的結果，是告訴政府「丙烯醯胺是值得科學界投注資源了解對人體的影響」，然而最終人體的報告是找不到丙烯醯胺和人類疾病的關係，此時就應該要尊重專業，相信美國、歐洲和台灣的法令規章。倘若媒體製造民意操控食藥署，最後換來一個只照輿論風向來制定法規、卻置專業而不顧的食藥署，這不是一件令人更害怕的事情嗎？

本文轉載於作者部落格 <Wei-Lun的日常科學分享> 和FB粉絲團  <Wei-Lun的日常科學分享>

參考文獻

• 中華民國國家衛生研究院國家環境毒物研究中心，丙烯醯胺(Acrylamide)毒性資料
• L A Mucci, P W Dickman, G Steineck, H-O Adami and K Augustsson (2003) Dietary acrylamide and cancer of the large bowel, kidney, and bladder: Absence of an association in a population-based study in Sweden, British Journal of Cancer, 88, 84-89, DOI: 10.1038/sj.bjc.6600726
• Lorelei A. Mucci, ScD, MPH; Sven Sandin, MS; Katarina Bälter, PhD; Hans-Olov Adami, MD, PhD; Cecilia Magnusson, MD, PhD; Elisabete Weiderpass, MD, PhD (2005) Acrylamide Intake and Breast Cancer Risk in Swedish Women, The Journal of the American Medical Association, 293(11), 1322-1327
• Burek, J. D., R. R. Albee, J. E. Beyer, T. J. Bell, R. M. Carreon, D. C. Morden, C. E. Wade, E. A. Hermann and S. J. Gorzinski (1980) Subchronic toxicity of acrylamide administered to rats in the drinking water followed by up to 144 days of recovery, Journal of Environmental Pathology, Toxicology and Oncology 4(5-6): 157-182
• Robert G. Tardiff , Michael L. Gargas, Christopher R. Kirman, M. Leigh Carson, Lisa M. Sweeney (2010) Estimation of safe dietary intake levels of acrylamide for humans, Food and Chemical Toxicology 48, 658-667
• Joe Schwarcz (2009) 科學新聞不能這樣看, 天下文化, 中華民國